遥感图像技术范文1
1多源遥感数据源
随着遥感技术的发展，越来越多的不同类型的遥感传感器数据被用于对水域的观测。不同类型的遥感数据在水产养殖信息提取中具有各自的优势和特性，因而也对应有不同的应用领域和信息提取精度。一般来说，多光谱遥感记录了地物的反射、辐射波谱特征，拥有丰富的地物空间分布及光谱信息，有助于识别水产养殖区域，是目前水产养殖区信息提取的主要信息源。但大多数多光谱遥感图像数据空间分辨率相对较低，即空间的细节表现能力比较差，将多光谱图像和全色图像融合，可有效提高图像解译能力。目前常用的识别水产养殖区的卫星遥感数据主要有全色图像、多光谱图像和微波雷达图像等，具体参数如表1所示。SAR具有全天时、全天候、多波段、多极化工作方式、可变侧视角、穿透能力强等特点，SAR图像中则含有丰富的地表纹理结构信息。在沿海水域，由于海水对微波雷达的回波能量较弱，而养殖用的基座、围栏和网箱等回波能量较强，色调比周围的海水更亮，二者对比度较大，因而可从SAR图像中提取养殖区域的相关信息。此外，在进行精度验证时，还可利用GoogleEarth平台提供的在线照片，这为实地调查验证提供了便利。
2水产养殖区域的识别方法
由于受研究时间、研究区域和数据源等客观因素的限制，还没有一种方法是最普遍和最佳的水产养殖区的识别方法。目前常用的水产养殖区识别方法主要有目视解译、基于比值指数分析的信息提取、基于对应分析的信息提取、基于空间结构分析的信息提取以及基于面向对象的信息提取等。
2．1目视解译目视解译是遥感应用最常用、最基本的方法之一。它根据遥感图像目视解译标志(位置、形状、大小、色调、阴影、纹理、图形及相关布局等)和解译经验，与多种非遥感信息资料相结合，运用相关知识，采用对照分析的方法，进行由此及彼、由表及里、去伪存真、循序渐进的综合分析和逻辑推理，从遥感图像中获取需要的专题信息。目前，目视解译一般都采用人机交互方式。在解译前先通过遥感图像处理软件对图像进行必要的预处理，包括图像增强、图像融合等，有效地改善图像的可识别能力，突出主要信息，提高判读的精度。杨英宝等依据6景TM图像和3期高精度航片，利用人机交互式解译方法分析了东太湖20世纪80年代以来网围养殖的时空变化情况［6］;李新国等采用3景航空图像对东太湖的网围养殖面积动态变化进行人机交互目视解译［7］;樊建勇等在经过增强处理后的SAR图像上，对胶州湾海域养殖区进行了交互跟踪矢量化［8］;褚忠信等利用不同时期的TM图像，对黄河三角洲平原水库与水产养殖场面积进行了人机交互解译［9］;吴岩峻等用4景ETM+图像，经过多次外业调查，建立解译标志，采用人机交互方法，对海南省海水和岛上水产养殖区进行了勾画［10］;宫鹏等借助1987—1992年和1999—2002年的TM/ETM+图像及GoogleEarth平台提供的高分辨率图像和部分在线照片，对包括海水养殖场在内的全国湿地分布进行了目视解译，并绘制了专题图［11］。目视解译简单易行，而且具有较高的信息提取精度，适用于绝大多数养殖区域的识别，但是也存在一定的缺点。当解译人员的专业知识背景、解译经验不同时，可能得到不同的结果，其结果往往带有解译者的主观随意性。当养殖区域水体同非养殖区域水体的光谱特征或空间结构特征等相似时，解译人员就很难根据标志将其区分开来，使精度受到影响;而且目视解译工作量大、费工费时，难以实现对海量空间信息的定量化分析和保证信息的时效性，因此研究遥感信息的自动提取方法已成必然。
2．2基于比值指数分析的信息提取比值型指数［12］创建的基本原理就是在同一图像的多光谱波段内，求得每个像元在不同波段的亮度值之比，构成新的图像，以压制某些造成光照差异的因子或背景的影响，增强地物光谱特征的微小差别，突出目标地物的辐射特征。比值型指数通常又会作归一化处理，使其数值范围统一到－1～1之间。马艳娟等利用ASTER数据，分析养殖水体与非养殖水体在图像各波段上的特征差异，构建用于提取图像中水产养殖区域的指数(normalizeddifferenceaquacultureindex，NDAI);并分析用NDAI提取得到的结果中错分的受大气、传感器影响的水体与自然水体的各波段灰度值的分布，构建了用来进一步提取深海区域的指数(marineextractionindex，MEI)，将近海水产养殖区的养殖水体与其他水体区分开［13］，取得了较高的精度。由于比值指数分析的信息提取方法只考虑各波段上的灰度信息，当部分养殖区在光谱上与深海水域接近或是当深海水域光谱并非均一时，会导致错分。该方法适用于养殖区与背景环境光谱差异大的地区，否则将无法克服传统遥感分类方法所普遍存在的“椒盐”噪声，从而影响信息提取的精度。
2．3基于对应分析的信息提取对应分析是在因子分析的基础上发展起来的分析方法，又称“R－Q型因子分析”［14］。该方法已在生物和统计领域得到广泛的认同和应用，但在遥感领域的应用相对较少。在遥感应用中对应分析方法既研究图像波段特征属性及其相互关系，也研究像元特征之间的关系，有利于提高信息提取的精度。王静等应用该方法快速有效地进行了滆湖围网养殖区湖泊围网分布信息的提取［15］。该方法对遥感图像的质量要求较高，并在分析前要进行严格有效的图像预处理。此外，该方法并无法有效地解决“异物同谱”和“异物同纹理”的分类问题。
2．4基于空间结构分析的信息提取空间结构分析的处理方法有邻域分析、纹理分析、线性特征提取等。其中，邻域分析是对波段每一个像元依据四周邻近的像元对其进行空间分析的方法［16］，分析和运算的像元数目和位置由扫描窗口确定;纹理表现是指图像灰度在空间上有序重复出现的特征，反映了一个区域中某个像元灰度级的空间分布规律，其基本分析方法有3类:统计分析方法、结构分析方法和频谱分析方法。周小成等采用ASTER遥感图像，以九龙江河口地区为研究示范区，利用卷积算子，采用邻域分析法来增强水产养殖地的空间纹理信息［17］;李俊杰等利用纹理统计分析方法中的灰度共生矩阵(graylevelco－occurrencematrices，GLCM)，选用中巴资源卫星02星多光谱数据，以白马湖为试验区，提取湖泊围网养殖区，实验表明纹理量化的均值指标能够较好地反映自然水体、围网养殖区和其他地物内部结构的异质性，取得了较理想的效果［18］;林桂兰等利用方差算法对厦门海湾海上的吊养和网箱养殖进行纹理分析，得到养殖专题图［19］;初佳兰等选用长海县广鹿岛海区的SAR图像，统计有效视数(ef-fectivenumberoflooks)，并对图像进行多种方法滤波分析，提取了浮筏养殖信息［20］。基于空间结构分析的养殖区识别方法，适用于近海水产养殖地的自动提取，而不适用于内陆水产养殖地，因为后者在空间上的分布孤立，斑块小，与其他农用坑塘水体的空间特征类似，但仍可以作为一种遥感图像识别的辅助方法。#p#分页标题#e#
2．5基于面向对象的信息提取面向对象的图像分析主要思想是:首先将图像分割成具有一定意义的图像对象，然后综合运用地物的光谱特征、纹理、形状、邻近关系等相关信息，在最邻近法和模糊分类思想的指导下，确定分割对象所属类别，得到精度比较高的遥感图像分类结果［21］。对于养殖区分布的提取，面向对象的图像分析方法基本步骤包括多精度图像分割、面向对象的水陆划分和非养殖水域剔除。首先，使用多精度图像分割对原始图像进行分割以获得分割图斑，并计算各个图斑的特征，为后继分析服务;然后，根据遥感图像中水域的辐射特性进行水陆分割;接着根据图斑的光谱、形状及空间特征提取出面状、线状非养殖水域部分;最后，在水陆划分得到的水域全图的基础上剔除以上提取的面状水系和线状水系，得到养殖水域提取结果［22］。谢玉林等利用该方法，对珠江口养殖区域进行了提取，验证该方法在水产养殖区提取上的可行性［22］;关学彬等采用该方法对海南省文昌地区的水产养殖区进行监测，取得了理想效果［23］;孙晓宇等采用该方法，利用多时相遥感数据对珠江口海岸带地区水产养殖场的变化进行了提取［24］。面向对象的图像分析将处理的对象从像元过渡到了图斑的对象层次，更接近人们观测数据的思维逻辑，更利于知识与规则的融合。在很多情况下，面向对象的遥感图像分析方法会比基于像元的分析方法取得更好的效果。采用面向对象技术，在解决常规图像分类时的椒盐噪声效应、结果的可解释性上有很大优势，因此在高分辨率图像信息提取中能够发挥更大的作用。但是当特征及隶属度函数选取不当时，会出现较严重的误分现象，此时要结合目视解译方法，判别分类结果的合理性，优化隶属度函数，重新进行分类。
遥感图像技术范文2
关键词：遥感技术；矿山地质；环境监测；应用效果
随着技术的发展，遥感技术也随之发展起来，从而广泛应用到行业之中。在监测矿山地质环境过程中，充分利用遥感技术可清楚了解危险源以及危险发生的相关原因，从而进行有效管理，避免安全事故出现，与此同时积极保护矿山周围环境。
1简要分析遥感监测技术
遥感监测技术主要利用的是电磁辐射，对光学或电子学探测目标所辐射的信息加以接收和记录，再经过加工，最终成像。遥感监测技术应用在矿山地质环境监测过程中通过所辐射的红外线可发现不同的磁力，从而获得准确的监测结果。对矿山地质环境的有关监测就是通过建立计算机处理平台，调查分析矿山以及周围的地质环境，采集有关数据之后，再将信息数据输入到计算机系统中，精细化地处理有关数据，评估后通过计算机信息网络共享，当矿山地质环境发生有关变化时，数据信息也会发生变化，有关企业和单位能够根据监测信息对矿山加以管理，再向外界说明矿山地质环境方面的有关消息。
2我国矿山地质环境发展现状
矿山地质环境主要指的是矿山在开采过程中形成的地质灾害、地下水资源破坏、地形地貌景观破坏和土地资源破坏。我国国土面积大，因此矿山也比较多，而每一个矿山的地质环境均有所不同，因此在开采矿山之前需做好地质环境的勘查工作。矿山地质环境是一个生态系统，在开采时会影响到周围环境。一般情况下，如果未合理开采，开采后会发生地面塌陷（多是因为过度开采导致地下采空，含水层发生较大改变，从而影响地层变形）、地裂缝（多是因为过度开采导致地层水分不均匀）、崩塌以及滑坡灾害（多是因为露天开采过于频繁导致矿山植被层被严重破坏，继而使得表土层失去固定作用；矿山所开采的固体废弃物未按照标准处理，一旦遭遇雨季或其他外力情况时，将极易发生坍塌情况）等负面情况（见图1），导致居民无法再在此处居住。除此之外，在开采矿山时，相关工作人员的安全也非常重要，一旦发生地质灾害将严重威胁到工作人员的生命健康安全。实际调查显示，开采矿山会产生一些固体废弃物，有的固体废弃物含有重金属，有的固体废弃物被丢弃在露天环境下，导致对矿山地质环境的监测造成负面影响；有的废弃物占地面积广，很有可能占用耕地或林地，在清理过程中难度大，速度慢，对自然资源的影响和破坏程度极强；部分有毒物质渗入到地下水中将造成重大危害，无法有效清理。
3遥感技术在矿山地质环境监测中的具体应用
遥感技术应用在矿山地质环境监测中，主要表现在以下几个方面：其一，监测崩塌前的矿山、采矿空塌陷区、评估矿山地质灾害；其二，监测矿山污染；其三，监测废弃固体废弃物等。
3.1遥感技术用于监测崩塌前的矿山、监测采矿空塌陷区、预警矿山地质灾害
使用遥感技术监测矿山地质环境时，部分崩塌的矿山图像会显示出弧形或者直线型。例如，TM图像能够准确反映出矿山地质的具体情况，但是对于山体崩塌情况反映不够准确；SPOT5图像能够弥补TM图像的不足之处，搭配TM图像与SPOT5图像使用能够显著提高监测效果。使用遥感技术监测塌陷区域的矿山时，遥感成像图将会准确显示具体的塌陷区域，部分图像呈椭圆形，部分图像呈环形斑点。TM图像呈现的图像情况会因为矿物含量元素的不同出现或明或暗特点，此时再充分结合SPOT213波段能够清楚显示图像状况，为后期地质情况的具体分析提供参考依据。调查研究显示，由于我国遥感技术在不同地区有着不同政策，因此在不同矿山地质环境监测中，遥感技术的精度存在差异[2]。例如，市辖区所使用的遥感技术空间分辨率比较高，偏远山区所使用的遥感技术空间分辨率比较低，因此使得市辖区所获得的图像精确度的准确度高于偏远地区，但是事实上矿山的开采大多集中在偏远山区。部分矿山在使用遥感技术时监测地质环境区域面积不大，因此需将传统监测方式与遥感技术有机结合起来，最终显著提高地质环境监测效果。对已经开采完的矿山地区，需严密监测周围环境，以期合理利用。对于正在开采中的矿山地质环境，使用遥感技术进行地质环境监测能够帮助相关企业或单位充分利用此地区。对矿山开采过程中的尾矿或露天采矿场等均需及时处理，在使用遥感技术时还需严格监测矿山道路、采矿占地面积等，合理利用有限的土地资源。有关实践表明，空间分辨率在2.5m以上的遥感数据能够准确识别尾矿库（正在使用中或者被废弃的尾矿库）。在开采矿山时，如果未有效处理矿井，将在很大程度上影响到当地地区的地貌状况，继而出现地表失衡状况。如果地表破坏情况较为严重，将有可能导致地质灾害发生。
3.2遥感技术应用于监测矿山污染
遥感技术能够对开采过程中所产生的废弃物加以监测。如果废弃物未经过有效处理，势必会对矿山环境造成一定程度的污染。例如，在开采石灰岩地质矿山项目过程中，往往会出现大量的粉尘问题，采用遥感技术加以监测是波段上会清除显示亮白色，相关工作人员可针对此种情况提前做好防范措施。相关工作人员也可充分利用光谱图对矿山开采过程中所产生的废水问题加以合理监测，分析水体中的主要成分，从而预防其污染地下水。
3.3遥感技术应用于监测废弃固体废弃物
在开采矿山时，废弃固体废弃物（压占、露天开采形成的裸露岩石等）的产生屡见不鲜。如果未合理处理废弃固定物，将会对山体环境造成重大破坏，影响周围居民的生存环境。采用遥感技术监测过程中可清楚显示被破坏的地貌，从而让相关部门采取措施，防止环境污染。
4结语
综上所述，遥感技术应用在矿山地质环境监测中至关重要——充分利用好遥感技术能够在很大程度上改善开采矿山所带来的负面影响。
参考文献
[1]张鸿晶.遥感技术在贵州六盘水水城-钟山区煤炭矿区矿山地质环境调查中的应用[J].资源信息与工程,2017,32(3):49-50.
遥感图像技术范文3
关键词：海洋污染；信息技术；智能监测；图像监测
0引言
伴随我国科学技术的飞速发展，人类针对海洋环境保护意识正在逐年提升。但是据目前我国海洋环境污染监测现状来看，部分国家都在使用传统海洋监测技术，相对于智能图像监测技术而言，该技术存在监测范围小、不具备精准性等问题，而且该技术只能适应于近海环境监测，若是长时间对污染源进行监测，某处污染源会因为监测时间较长，在监测的过程当中从另一区域漂移到另一个区域。因此，本文提出了海洋环境污染信息智能图像监测技术，合理运用该技术对海洋环境污染问题进行监测，不仅能提高海洋环境污染的监测精度，同时还能根据监测信息获取到海洋环境污染样品信息，进而大范围应用信息智能图像监测技术。
1海洋环境污染信息智能图像监测技术分析
依照目前海洋环境污染信息智能图像监测技术应用现状来看，主要包含：智能化数字遥感技术、合理运用水质传播器、大数据对比分析法等。因此，将针对海洋环境污染信息智能图像监测技术，展开较为深入的分析。
1.1智能化数字遥感技术
基于智能图像监测技术而言，其中包含智能化数字遥感技术，该技术核心为遥感卫星，借助遥感卫星进行构建智慧型数据模块，从而针对海洋环境中存有的污染问题开始监测，通过该方式监测海洋环境污染问题，还能分层筛选出有效信息传达给相关人员。此外，由图像层、海洋信息表示层和海洋分析显示层等结构，组建而成的是智能数字遥感技术。智能数字遥感技术主要体现在以下几个方面：1）若是针对图像层进行研究的话，是借助遥感卫星对海洋环境的污染现状开展遥感识别方法，在识别过程中把拍摄到的图片，通过简单处理使用无线网络实现传输，及时提供给海洋环境污染信息的处理人员；2）若是针对海洋信息处理层进行研究的话，是把已经监测到的信息内容通过数字化呈现给相关人员，让人员能针对海洋环境物理场、海洋对象数据库有效处理污染问题；3）若是针对海洋分析显示层进行研究的话，是对所有信息实现接纳的过程，在通过运用数据链路模式、图像数据模块和数据挖掘技术等实现图像处理[1]。
1.2合理运用水质传感器
在海洋环境污染信息监测技术中，除了智能化数字遥感技术以外，水质传感器也是重要组成部分。通过运用水质传感器的方法对海水pH值监测、海水溶解氧监测、海水电导率监测和海水温度监测等实现监测。首先，针对pH值传感器进行分析：该传感器在应用过程中起到的作用效果是对海水酸碱程度监测和测量；其次，针对溶解氧传感器进行分析：该传感器在应用过程中起到的作用效果是对海水溶解氧量监测和测量；再次，针对电导率传感器进行分析：该传感器在应用过程中起到的作用效果是对海水电导率变化监测和测量；最后，针对温度传感器进行分析：主要是针对不同层次深度的海水温度实现监测和测量。由此可见，水质传感器不仅能在计算机的图像显示系统中完成监测图像处理，还能针对多个监测点开展监测，从而针对集成pH值检测、海水溶解氧、海水电导率等监测装置实现综合采集。
1.3大数据的对比分析法
该方式虽然能够针对海洋环境的污染信息进行有效提取，但是常常都会因为提取数据量过大，从而出现对比分析困难等问题[2]。因此，这需要相关人员能够针对大数据对比分析法实现创新与优化。首先，相关人员要对现有数据源类型界定标准实现创新，可以依照图像信息和数据源提取内容，与标准污染图像或污染参数实现数据对比，通过对比方式得出最终的综合检测结果。与此同时，HIA需要基于海洋环境污染的实际情况，其中包含海风、顺流，以及在采集数据过程中遇到的“合理量化”影响因素，都需要从全方面角度展开分析和考虑。
2智能图像监测技术的测试和仿真实验
针对海洋环境污染信息开展智能图像监测技术的话，必须先做好测试的准备工作，并且还要通过监测分辨率测试、监测时效性测试等测试方法，开展仿真实验。
2.1测试的准备工作
要想有效验证海洋环境污染信息智能图像监测技术的可靠性和准确性，需要相关人员能够挑选不同海域、不同海洋环境背景下以及不同仿真污染源大小等多个方面因素开展对比试验，主要数据如表1[3]。除此之外，要想保障海洋环境不遭受到污染，需要合理利用仿真污染源，对测量检测辨识度方式进行对比分析，可得出：发现污染源实验次数+总实验次数之比=监测辨识度。
2.2监测分辨率测试
以运用传统海洋监测技术和智能图像监测技术，对1000km2固定的监测海域开展仿真污染源的检测分辨率测试。在监测过程中不仅要记录所有监测结果信息，还需要在记录之后更换另一个固定海域，并且在监测过程中还将运用不同流速、不同对比度环境开展仿真污染源的检测分辨率测试，及时记录监测过程中收获到的信息内容，从而得出辨识度-仿真污染源面积曲线。基于获取到的辨识度-仿真污染源面积曲线可以看出，相对于智能图像监测技术而言，传统海洋监测技术不适用于海洋的小污染源监测，一旦污染源监测结果＜300m2时，那么辨识度处于80%左右，而当污染源监测＜200m2时，辨识度在75%左右，由此可见，辨识度会因为污染源监测的大小因素造成不同程度的限制[4]。
2.3监测时效性测试
以运用传统海洋监测技术和智能图像监测技术，对1000km2固定的监测海域开展仿真污染源的监测时效性测试，并且还将针对所有污染源的监测时间进行详细记录。相比较传统海洋污染监测系统而言，会因为污染源的减小，增大监测时间，如：污染源＜300m2时，监测时间高达10min；污染源＜150m2时，监测时间高达15min；但是智能图像监测技术会根据污染源面积的不断减小，维持稳定的监测时间，并且还能在5min内就发现污染海洋环境的主要目标，从而及时上报给相关人员进行处理。
3结语
根据目前海洋环境污染监测技术现状来看，基于科学化发展背景下，所使用的智能图像监测技术，主要是由智能数字遥感技术和水质传感器技术组建而成，而且针对海洋环境的污染数据实现采集，还可以通过数据对比分析方法针对数据实现计算，合理运用智能图像监测技术进行监测海洋环境中存在的污染，从而在通过监测分辨率测试、监测时效性测试等智能图像监测技术的测试和仿真实验，扩大范围的应用信息智能图像监测技术。
参考文献：
[1]王荣华,刘克礼.基于图像处理的智能化实施环境监测研究[J].黑河学院学报,2018,9(12):218-219.
[2]范俊峰.物联网下环境污染智能监测系统设计研究[J].环境科学与管理,2018,43(09):126-130.
[3]栾坤祥,马秀冬.智能水下航行器对海洋重金属污染状况的监测研究[J].舰船科学技术,2017,39(8A):187-189.
遥感图像技术范文4
1．1教材与教案
遥感课程的教材较多，其中《遥感导论》在内容上着重于遥感基本原理和方法的介绍，条理清楚，阐述准确，适合各类专业学生遥感基础理论;《遥感概论》内容安排合理，重视遥感科学的技术性和实践性;两部教材可结合使用，保证遥感知识的全面掌握。在教学过程中，统一制定一本教材，其他教材作为参考教材推荐给学生，同时将一些专业的遥感资讯网站推荐给学生，以便学生自学使用。教案在教材内容的基础上，补充教材以外最新的遥感前沿信息，并根据学生的专业补充遥感技术在该专业中的应用案例。动态更新的教案改变以往一成不变的教材教学，提高学生的专业应用能力。随着互联网资讯的飞速发展，在教学过程中，除了教材与教案，也会及时的推荐专业的资讯平台给学生，帮助学生更好地进行课后学习，提高学生的自学能力。
1．2教学内容
本科生应具备坚实的理论基础及较好的专业实践能力，因此应用遥感的教学内容包括理论教学和实践教学两部分。理论教学包括:遥感概论、遥感的物理基础、遥感技术原理及特点、遥感图像处理、遥感图像的目视解译和计算机解译、遥感应用和3S技术应用。理论教学过程中，在传统的理论知识讲解基础上，充分考虑学生的专业背景，尽量使用与学生专业相关的数据案例进行教学，以便提高学生的学习兴趣及知识的应用能力。实践教学包括:遥感图像处理软件的使用、遥感图像基本处理技术、遥感图像计算机分类以及遥感图像人机交互解译的应用实践。同样的，在实践教学部分，也是结合学生的专业背景，尽量使用与学生专业相关的数据;在实验环节上针对不同专业的同学设计与专业应用有关的实验步骤，争取让学生在实践教学过程中能够完整的进行一个与专业相关的遥感应用练习，提高学生的实际应用能力。
1．3教学方法
传统的遥感教学主要着重于课本的理论教学并辅以相应知识环节的操作练习，实践教学各环节主要对应理论知识点进行独立练习，缺乏系统完整的应用实践，更没有联系学生专业，做到与实践专业相结合的实践教学。应用遥感课程更注重与学生专业相结合的应用实践，因此在教学方法上进行了一系列的改革探索。理论教学分为课内和课外，课堂上以理论讲述结合实例讲解为主;重点问题以思考题的方式让学生在课外利用互联网资讯平台进行查阅思考，再在课堂上以讨论提问的形式将课外查阅信息和课本知识融会贯通，并增加遥感知识在其专业应用的课堂讨论，加深学生对知识的理解，同时提高学生的自学能力。实践教学根据学生的专业背景设计不同的实例应用操作，让学生在一个完整的遥感应用实例中进行遥感软件操作、遥感图像处理、遥感图像计算机分类以及遥感图像人机交互解译等练习。学习遥感技术的同时也学习了一个遥感应用项目是如何实现的。这样结合学生专业的实践教学不但提高了学生的学习兴趣，也增强了学生的动手能力，让学生能够将所学知识运用到自己的专业学习中，为毕业设计或将来就业奠定良好的专业技能。
2遥感技术应用能力的培养
2．1基础应用能力的培养
遥感的基础应用能力主要包括遥感图像处理软件的使用、遥感图像基本处理技术、遥感图像计算机分类以及遥感图像人机交互解译等遥感数据处理的基本技能，这一部分教学是不区分专业的，也是遥感课程要求学生必须掌握的知识技能。只是考虑到实践教学是针对不同专业的学生进行的完整的应用实例操作练习，因此在基础应用练习中所使用的数据会根据不同的学生专业有一定的针对性，也保证后续操作练习的连贯性。
2．2专业应用能力的培养
遥感的专业应用能力主要是在学生掌握了遥感基础应用技能的基础上，培养学生结合自身专业的遥感应用能力，也是遥感综合应用能力的一个提升。教学过程中，通过向学生介绍遥感在其专业中的应用实例，使学生理解遥感知识在其专业中的位置;也通过要求学生在课外查阅学习遥感在其专业中的应用案例，使学生扩大知识面，加深对遥感应用的专业认知;同时在学生课外自学的基础上进行遥感在其专业中应用案例的课堂讨论，让学生尝试运用所学知识设计或改进应用案例，提高学生的知识运用能力。实践教学部分，会在遥感基础应用操作练习的基础上，结合学生课外学习的反馈，制定对不同专业学生有针对性的遥感应用实例操作练习。如水土保持专业的基于遥感技术的水土流失监测，城市规划专业的城市绿地遥感调查分类，环境科学专业的水域分布变化监测，土地管理专业的土地详查及土地资源动态监测，草学专业的草地资源动态监测与估产等应用案例。通过针对性的遥感应用实践教学，增强了学生对理论知识的理解，也提高了学生遥感应用的动手能力。
3结语
遥感图像技术范文5
关键词：遥感技术；国土资源；管理调查；应用研究
要保障社会经济长期可持续性发展，务必要先关注自然资源的有效开发与利用。森林与湿地等众多国土资源会对社会经济建设发展产生重要的动态化影响，务必要利用所需的技术体系实时监测这些资源的改变现象。在20世纪60年代诞生遥感技术，这是会产生明显社会效益与经济效益的探测技术，在其科研与实践中获取显著成果，虽然遥感技术发展历程较短，但是在现今网络信息化技术飞速发展的大环境下，必将会有巨大的应用空间。
1遥感技术概述
遥感技术在应用时具备突破距离限制的无接触式探测功能，从而获取人工操作方式无法调研的土地数据资源。选择各类传感器装置后获得各个地区的地表数据资料，在此基础上，进行数据的传输操作、整理操作以及分析操作等，以此研究相关空间的实际区位情况、形态情况、性质情况以及周边环境情况等，这是国土资源领域调查管理的重要技术应用方面。在遥感技术进行应用推广过程中，其获得的地理物资数据资源有着很强的真实性，能够较为直观地分析图像信息，在综合层面上获得各类所需数据信息，并且研究各类国土资源数据资料，结合周期考虑因素等及时更新国土资源数据信息，充分保障相关数据资源具备的实时性特征。以实际应用角度进行分析可知，遥感技术具备较强的分辨率参数与较高的精确性，从而综合性、实时性地获取研究所需的动态国土资源数据信息，最终产生较为理想的技术应用价值。
2遥感技术与国土资源调查
2.1国土资源调查基本概念
相关基础概念，包括宏观解析方式与微观解析形式，前者的含义为自然与社会资源的集合，有效统筹国土规划中的区域资源要素、人口要素以及社会环境要素等。后者的含义为专指自然资源类型，包括森林资源方面、湿地资源方面以及水资源方面等。其中，国土资源调查工作可以划分成综合方式与专业方式等，前者是指对于国土资源及其环境资源相关的综合信息所展开的调查工作，后者是指对某类资源规划开展情况而进行的调查工作。我国幅员辽阔，全面且有效掌握国土资源数据信息，这会对国家社会经济规划与建设产生不可替代的重要推动力。
2.2遥感技术的优势作用分析
自20世纪80年代开始，在国内的国土资源调查中已经应用了遥感技术，同时已积累大量的工作经验。在实践中可知，遥感技术具备明显的层次化、信息收集高效以及强时效性等优点，相较于传统的调查方式来讲，其具备低成本、高时效以及较强精确度等特点，随着近些年来网络信息化技术及其云服务的飞速发展，国内渐渐创建利用遥感技术发展的国土资源数据库及图形数据库等。在进行国土资源调查时引入遥感技术，这会对国家社会经济的建设产生十分巨大的技术支持。首先，通过遥感技术的使用，在国土资源调查中给区域规划与发展带来重要的参考依据，这项技术在应用时会增强调研数据的精确性与科学性，进而辅助有关部门确定高效的战略规划。其次，通过遥感技术进行国土资源调查过程中，可以快速监测全新的有关资源情况。再次，在利用遥感技术时会观测到水源污染与水土流失等各类生态问题，让有关部门更快地了解现有出现的自然灾害情况，以此会给相关问题的解决对策的确定带来科学的参考依据。最后，对核心城市进行遥感调研工作，精确获取相关城市的土地利用现象，保障这些城市国土资源开发与利用的科学性与高效性，为城镇化建设提供必要的数据资源。
3遥感技术在国土资源管理中的应用
遥感技术主要应用在如下所述的国土资源管控领域。
3.1土地动态监测应用
在全球经济一体化的大背景下，随着城市化建设进程的持续推进，已经日益显现出国土资源的优势。伴随人口规模的继续增长，会暴露出越来越显著的国土资源开发问题，众多城市渐渐引入遥感监测技术。在使用高分辨率参数时，已经出现卫星数据、人机交互翻译的研究方式对国土资源的利用情况进行调研和统计分析。考虑到耕地资源与全新的土地资源等，要想规避违法占用情况，选择遥感技术会高效且精准地了解国土资源的开发状态，以此提升耕地保护作用。通过遥感技术将会高效解决国土资源管控问题，有效增强国土资源利用率，让有关部门更加精确地了解国土资源开发与利用现状，从根本层面上做好有关管理工作。
3.2土地总体规划应用
将遥感技术应用到国土资源领域中，能够充分保证相关管控工作具备合理性和科学性，从而高效开发与利用国土资源，让有关规划体系和管控工作更具实效性，为国土资源的后续开发带来必要的保障。通过遥感技术进行摄影制图操作，从而实现新一轮国土资源利用的创新规划和实践活动，完成基础图像信息的修编工作，不断增强规划编定的精确度，持续完善原有规划编制中出现的负面现象，为后续工作的有效开展带来必要的数据技术支持。
3.3灾害监测防治应用
在防治和监测自然灾害过程中引入差分GPS系统，借助于卫星发射技术，构建全方位的遥感技术体系，以此进行全面监测活动，实时精确地获取各类地质灾害情况，包括滑坡问题、泥石流问题、火山问题以及冰川问题等。并且在水库监测过程中同样大量使用遥感技术，能够快速了解水电站的形变情况，研究相关的危险系数，在暴风雨雪天气尚未来临之际，事先准备好防洪涝的解决措施。利用遥感技术进行台风天气的预测工作，从综合层面上掌握卫星的动态信息。在遥感技术的实际应用时，综合利用MIS技术、GIS技术以及DME技术等，创建全新的气象信息系统，实时、高效、科学地进行防洪涝等自然灾害的监测工作，进而充分保证数据信息收集与整理的精确性，以动态方式对城市地表下沉状态展开检测活动，可以快速预警相关的自然灾害现象。
3.4国土执法监察应用
以实际情况为角度进行分析可知，国土资源部现已创建遥感监测运行机制，可以给国土资源领域的执法工作带来必要的技术支持，不断提升国土资源管理和利用效率。通过遥感技术的广泛应用，能够增强土地执法效果和水平，要保障国土资源管控效率，可以快速发现相关的违规违法现象，更好地保障国土资源，提升耕地资源的管控能力。同时还可以让国土资源执法部门快速了解国土资源情况，考虑到区域社会经济建设现有情况，制定科学化的城市建设体系，从而显著增强民众生活水准，在保护耕地面积过程中，更好地开展城镇化建设工作，让城乡经济发展出现均衡化状态，最终增强国家综合实力。
4遥感技术在国土资源调查中的应用
4.1森林资源遥感技术调查
森林资源属于长周期更新的可再生资源，相较于原先采用的固定地点与临时抽样地点的调研方式，遥感技术可以展开大区域的动态实时追踪，获取所需的森林资源调研数据信息，技术工作者结合遥感技术收集的图像数据资源，并且参考野外抽样调查活动，利用预先设置的研究模型，可以快速获取监测区域的森林资源遥感数据信息，体现出低成本、高精度以及快时效等特点。各种树木具备独有的生物特性，在遥感接触的技术领域中会体现出差异化改变的辐射亮度参数情况。利用可见光传感器为相关土地种类及其植被覆盖类型等展开图像信息的搜集与记录工作，并且通过有关数学模型精确分析植被的种类等信息。在动态调查监测森林资源时，重点选择LANDSAT数据资源与SPOT卫星数据资源等。森林资源遥控技术调查的主要方法如下所述：分别是卫星数据校正操作流程、季节性图像信息复合操作流程、图像数据分层分区操作流程、资源信息提取操作流程以及标准化图件成像等。伴随SAR系统的飞速发展，可以显著增加微波遥感技术的应用领域，这项技术有着全天候实时检测的性能。针对各类物质有着理想的识别与穿透系统，将这项技术应用于森林资源调查时会识别数种信息，接着对生物量展开雷达监测与评估工作。该系统能够通过各类频率极化的微波散射数据信息来辨别数目的生物信息，这在森林资源基础信息与森林量的调查评估中具备很强的技术应用价值。
4.2土地资源遥感技术调查
在土地资源调查中遥感技术具备显著的优势，先是利用计算机通信技术对TM数据、ETM数据以及CCD数据等展开矫正操作与分析处理，接着对处理的数据信息进行信息图像研究工作。由此可知，遥感技术会监测耕地资源、草地资源以及林地资源等，还会区分各个土地种类，譬如建筑用地类型、河流湖泊类型、水库沙地类型以及裸地类型等，结合野外验证活动情况，从而进行专题图件的绘制工作。把以上各类数据信息与SPOT高分辨率数据进行整理操作，以此产生更高清晰度的专题图件信息。对比分析各个时段与时相条件下的数据图像信息，由此构建特殊化的复合图像数据资源，可以充分展现出土地的动态改变情况。同样能够在应用遥感技术的过程中，监测各类土地资源退化现象，比如沙漠化问题、盐渍化问题以及土壤侵蚀问题等。土地沙漠化现象既是涵盖现有风力状态下的沙丘前移区间，同时关联到生态环境严重破坏与非沙漠区域中出现生物量减少的区间。在进行有关图像信息的比较分析过程中，可以了解到区域沙漠化的现有基础情况，同时展开相应的强度预测研究工作。重点是在有着较高地下水位的（半）干旱地区产生土壤盐渍化现象。通过遥感监测可以了解到土壤盐渍化会出现较为敏感的反应情况，高盐碱地带的土壤反射率参数会更大，主要会出现灰白色的图像色调。土壤的侵蚀重点是因表层土受到风力等各类外界影响要素的综合作用而呈现出的被剥蚀与冲刷情况，直到出现迁移与堆积的全过程。这会严重破坏土壤层的结构体系，造成土地出现破碎问题。通过遥感技术可研究区域中产生的植被覆盖率情况，参考图像标志的颜色信息、形态信息、文理信息以及标志的密集性等，从而评估实际的侵蚀强度状态。
4.3水资源遥感技术调查
伴随人口规模逐年递增、工业化不断发展以及城镇化持续推进等，国内正在面临严峻的水资源和生态资源的污染与恶化问题，怎样可以合理且高效地开发与利用水资源，这是现在国家生态社会研究的核心议题。想要保障水资源科学有效地开发和利用，先是要做好区域水资源信息的综合精确调查活动，监查各个区中水资源利用与水循环现象。在此之中，应用遥感技术，参考水体运作原理与基础特征等，能够精确分析水资源的空间深度状态，精确测量水体的数据情况与组成成分信息等，同时参考有关数学模型推算径流蒸发与下垫面间的关联性，这会给国家水源建设管控工作带来重要的数据技术支撑。
4.4矿产开发调查应用
在利用遥感技术过程中，可以提升矿产资源开发与利用的调查效率，伴随矿产资源调查领域中应用各类全新的技术体系，会增强矿产开发数据利用效能，其中引入高光谱遥感技术后，能够在开矿区中识别岩石与矿物质等，高效精确地获得各类数据信息。在矿物光谱特征诊断的前提下，能够精确识别地表岩石与矿物质等，产生地质填土的精细化分析效果。
5结束语
遥感图像技术范文6
关键词：农业信息学；无人机遥感技术；课程案例
1引言
农业信息学作为农业与信息技术一门交叉的新学科与技术深度融合，是作物栽培生理、农业遥感和智能决策等领域的交叉与创新，研究空间大，知识融通性强，有助于将关键技术转化为生产力。其先进的数据获取手段与数据采集方法，拓展了无人机遥感在农作物图像处理、光谱数据分析、光合机理、生理特征、几何形态研究的广度和深度，为作物精准栽培与智慧农业研究方法的创新与发展奠定了理论基础，为现代农业的智能化、定量化，信息化发展提供了重要的技术支持［1-3］。随着无人机遥感监测技术的不断发展，其核心技术如机器学习、深度学习已经开始应用于作物农艺参数监测中，提高了传统农业的生产效率［2］。该技术在农学类专业教学领域的应用不断增加，提高了农业信息技术的教学水平和质量，为我国培养了一批该领域高层次专业人才［3-6］。虽然在教学过程中已取得了一定的成就，但受教师们传统教学的影响，教学中仍存在一定问题，如教师单方面灌输知识［7］，农业信息化教学内容中图像处理，无人机飞行线路规划较为难懂，导致学生难以理解，积极性差，最终教学效果不理想。课堂部分授课内容若让学生自主设计、并参与，定能增加学生积极性，提高教学质量。作物学教学特点就是要求学生去基地实训，通过亲身实践更好地理解课程内容。无人机遥感（UAVRemoteSensing）具有较大的适用性、机动性，技术的快速发展，其搭载数码越来越高分辨率的数码相机，UAV遥感在农业上正成为一种有潜力技术，可用于监测作物农艺参数。目前，UAV在农业领域的应用已经非常普遍，并取得了一系列的成果，在一定程度上推动了农业信息化的发展［8］。然而，由于其包含了作物学、图像处理、无人机飞行操作等较多的知识点，要完成这些实践内容，就要求学生多角度、多层次的掌握综合知识。通过让学生参与基于无人机的作物长势与营养监测的实践探究，可以培养他们的综合能力，提升教学质量，为农业信息化的发展培养基础人才［9］。为了提作物学本科生学习的积极性，笔者结合目前的研究内容基于无人机的玉米生产长势与营养诊断，将该内容设计为6个教学案例，让学生在实践中学习知识，即基于无人机的玉米出苗率、叶面积指数、株高、地上部干物质量、叶绿素值、叶片含氮量监测，旨在推动教学改革，培养学生的实践能力。
2教学案例
2.1基于无人机遥感的玉米出苗率估算。出苗率是玉米大田生产的一个重要指标，及时确定出苗率对于栽培管理决策如补苗、灌水等措施具有重要意义，同时也能预测产量。常规方法评估过程通过人工数苗，费时费力，且容易出现视觉疲劳，造成准确率下降。目前，基于无人机遥感，通过图像分析处理技术，可以快速准确地监测大田作物的早期出苗率。采用Photosacn软件自动将无人机获取的单张高清影像拼接成一个整体，在识别出苗率的研究中，由于最大类间方差法的较好性能可以用于多种作物与作物分割，所以选择最大类间方差阈值分割法分割识别玉米图像。玉米4叶期后叶片之间会有重叠，按照常规计数法会将重叠在一起的几株玉米识别成1株，造成准确率降低。通过几何特征如叶片的长宽比、形态参数可区分识别重叠植株，通过识别重叠区形态特实现玉米植株计数，建立玉米苗期数的回归模型。该方法也可较好地识别杂草，提高出苗率识别的准确性。通过比较基于无人机与人工数苗的差异，可以评估该方法的精确性。
2.2基于无人机遥感的叶面积指数监测。LAI是作物冠层性能及其生长和产量潜力的指标，是栽培和育种研究中重要的先决条件，精准估计LAI对于监测玉米的生长状况尤为重要。无人机遥感作为一种新型非破坏性的测量方法，已被广泛应用于估计作物的LAI，特别是在较大尺度范围下优势明显。在玉米关键生育时期如苗期、拔节期、吐丝期，通过UAV获取冠层数字图像并处理，提取图像红绿蓝（R、G、B）通道值，用于LAI相关性较高的图像色彩参数如G-R，并用公式计算冠层覆盖度CC。以UAV图像提取的色彩参数与大田测量LAI为基础，通过不同回归分析方法，如单变量回归、偏最小二乘估计法以及精确性较高的机器学习方法如回归和随机森林何支持向量机法构建基于UAV的LAI估算模型，并通过R2和RMSE进行模型检验，选出估测LAI的最佳图像参数与回归方法，建立LAI最佳模型，为大面积玉米栽培措施的制定提供科学依据。
2.3基于无人机遥感的玉米株高估算。株高是评价大田作物生长状况的重要的农艺参数，株高的改变对于作物倒伏能力有着重要影响，并影响收获指数，最终影响作物籽粒产量。将基于UAV作物株高监测数据融入作物模型数据同化中，既有利于降低观测成本，也可提高作物（如玉米）的产量估算精度，因此株高是栽培和育种中一个重要的监测指标。通过基于无人机高清遥感图像不同生育时期的生产的数字地面模型DSM相互作差，可以进行玉米株高的提取，在播种后进行试验田裸地图像获取，将根据GPS定位田间获取生成地面坐标基点DSM0，在玉米拔苗期、节期、吐丝期获取无人机影像定义为DSM1、DSM2、DSM3，通过不同生育时期的DSM高度坐标（DSM1、DSM2、DSM3）减去基点（DSM0）即可得出玉米植株高度，通过实测的数据来进行模型精确度评价。
2.4基于无人机遥感的玉米生物量监测。生物量作为作物光合产物积累的最终体现，经常用于反映作物植株长势，产量形成与预测具有决定性意义，及时、准确地获取田间作物大规模作物干物质量，可以为作物精准生产管理提供依据。UAV遥感是获取田间植株生物量行之有效的手段。通过提取数字图像的色彩参数如R、G、B及监测生物量的常用植被指数如超绿植被指数（ExG）和归一化差分指数（NDI）等，以及一些常用纹理参数如能量（ASM）熵（ENT）等。通过相关性分析选出与各生育时期生物量相关性较高的图像色彩与纹理参数，通过逐步回归法与支持向量机回归法对比分析，找出模型精度较高的回归方法，建立并检验基于UAV的玉米生物量的监测模型，为监测玉米生长状况提供相应的方法。
2.5基于无人机遥感的玉米叶绿素含量、叶片氮含量监测。叶绿素值和叶片氮素营养状况是反映作物光合能力及作物营养元素亏缺的主要指标。如何利用数字图像无损监测作物叶绿素值和叶片氮素的营养状况，一直是作物营养状态领域的研究热点。近些年来，UAV已被广泛应用于及时、无损监测作物氮素营养状态，以实现作物精准施肥，提高肥料利用率。通过获取玉米苗期、拔节期、大喇叭口期和吐丝期的冠层图像，并同步测定叶片叶绿素值、含氮量，提取图像中CC、ExG等图像色彩参数，计算图像平滑度、均值、三阶矩等纹理特征。为提高模型精度，通过输入不同组合图像值用R语言进行深度神经网络和卷积神经网络深度学习算法，建立基于图像色彩和纹理参数的氮素营养诊断算法模型。
2.6大田作物系数无人机多光谱遥感估算作物系数快。速获取是大田作物产量等估算的关键，为了解无人机多光谱遥感估算作物系数的可行性和适用性，在教学实践中以宁夏实验站大田玉米、水稻、小麦为研究对象，以土壤、气象等数据为基础数据作为例证，采用气象因子和作物覆盖度校正后的双作物系数法计算不同生长时期与不同水分胁迫的作物系数，并使用自主研发的无人机多光谱系统航拍玉米的冠层多光谱（蓝、绿、红、红边、近红外，475～840nm）影像，给本科生讲解作物不同生长时期（快速生长期、生长中期和生长后期）的几种常用植被指数，如归一化差值植被指数（NDVI）、土壤调节植被指数（SA⁃VI）、增强型植被指数（EVI）、比值植被指数（RVI）、绿度归一化植被指数（GNDVI）等对作物的影响，让学生从光谱的角度深入认识无人机多光谱技术估算作物系数具有一定的可行性。
3小结与讨论
遥感图像技术范文7
关键词：立体正射影像对；三维立体景观；三维坐标量测；可视化；系统开发
数字城市涉及大规模存储技术、遥感技术、图像处理技术、三维图像建模技术等，对城市进行多角度、全方位、可视化描述，实现城市过去、现在、未来的数字化表征。数字城市包含多个层次，但其基础是城市地理空间数据集合[1-3]，而三维立体景观作为城市地理空间数据集合的重要组成部分，三维立体景观设计方法研究对加快我国城市数字化进程具有现实意义。传统的三维立体景观设计方法多集中于实际地物的信息采集与三维建模或者借助三维建模软件进行虚拟化实现，针对小范围或者单独的三维立体景观设计，上述方法具有较好的可行性，但是针对大规模、协调性的城市全域三维立体景观设计，传统方法效率较低、整体把握性差、抽象性不足、可扩展性较差，无法满足要求日益提高的城市三维立体景观整体布局设计需求[4]。基于上述背景，利用立体正射影像对的三维可量测、立体观测性强、全域描述性等特性，提出了一种基于立体正射影像对的三维立体景观设计方法，核心步骤包括原始遥感图像的预处理、数字高程模型（DEM）的构建、正射影像对的生成、三维立体景观的生成等步骤，为了便于推广使用，在VS2012[5]环境下开发了对应的软件系统，输入城市相关参数即可便捷的给出城市三维立体景观设计方案。选取国内某三线城市，对基于立体正射影像对的三维立体景观设计方法进行实际验证，验证结果表明，基于立体正射影像对的三维立体景观设计方法可实施性较好，对协调城市整体三维立体景观布局、优化城市景观环境具有重要作用。
1城市原始遥感图像的预处理与空间定位
通过遥感技术获取的城市原始图像存在周期性的噪声和大量冗余、山体阴影等，为了实现遥感图像的精确空间定位，需要对城市原始遥感图像进行预处理[6]。针对周期性的噪声和大量冗余问题，采用带通或者槽形滤波器进行滤波处理；针对山体阴影问题，采用比值法对其进行消除。基于Matlab环境[7]，对上述过程进行编码实现。遥感图像处理完成后，需要进行空间定位，考虑到目标城市的规模和具有标识意义的地表建筑，采用基于遥感图像线特征提取的三维空间定位法，具体步骤如下：S1：选择经过预处理后的遥感图像中带有标识意义的地表建筑，可以选取道路、河流、广场等，对这些地表建筑进行线特征提取；S2：对提取到的线特征进行图像增强、边缘细化、边缘追踪、中心点定位等处理，保证线特征长度、拐角数目等满足线特征的阈值要求；S3：对满足阈值要求的线特征进行实际匹配，先进行层次匹配，然后进行检测匹配，所有匹配完成后形成匹配集；S4：根据匹配集进行遥感图像的定位。
2数字高程模型（DEM）的构建与正射影像对的生成
数字高程模型（DEM）采用一组有序的数值阵列来描述地面高程的实体模型，该实体模型包括数字化的各种地貌因子，包括起伏度、起伏变化率、坡向、坡度在内的线性和非线性组合的空间分布值，是生成正射影像对的基础[8-10]。基于构建效率和光滑度的考虑，采用克吕金内插法来构建数字高程模型，详细过程如下：S1：基于遥感图像的定位数据集，绘制出遥感图像的定位分布散点图；S2：根据分布散点图的分布样点数和均匀程度，选择常规克里金插值或者块克里金插值法，根据采样点间的距离和采样点的整体空间分布情况进行合理插值；S3：根据生成的DEM范围，进行样点数据集的外接矩形绘制，最终生成数字高程模型；S4：对生成的数字高程模型进行标记处理，标记出低洼地带并检查是否有失真现象。数字正射影像具有精确的平面位置，包含有完整而丰富的影像信息，具有较强的二维直观性，为了把这种优势扩展到三维，引入人工视差辅助机制，把具有明显优势的数字正射影像与数字高程模型下的立体辅助影像进行组合，形成立体正射影像对，从而实现具有直观性的高精度的三维立体景观。如图3所示，左图用于生成数字正射影像，方法是根据数字高程模型上的定位高程值映射到遥感图像上，根据控制点坐标进行数字影像内定向，最后按图廓线裁切得到一幅数字正射影像图，并进行地名注记、公里格网和图廓整饰等。右图用于构造虚拟的立体模型，根据数字高程模型给出的起伏度、起伏变化率、坡向、坡度等地形情况引入人工视差，利用人工视差反应数字高程模型的地形起伏情况，从而形成一个立体辅助片，并与正射影像构成立体模型。
3三维立体景观的生成
根据上文生成的正射影像对进行三维立体景观的生成，基本原理是把正射影像对中的三维影像与三维立体景观进行映射处理，详细步骤如下：S1：根据城市三维立体景观设计需求制作对应的正射影像对并生成三维影像，作为三维立体景观设计的比照影像；S2：根据比照影像的地形起伏度、起伏变化率、坡向、坡度等情况，分别设计对应的三维立体景观与比照影像的地形起伏度、起伏变化率、坡向、坡度等相适应；S3：三维立体景观建筑物纹理优化和地表附属植物上色处理，为了使三维立体景观设计更具真实感，需要对建筑物纹理进行优化，纹理数据主要来源于城市实际建筑物，采用精细建模，确保获得较为逼真的表达效果，由于植物种类多样，颜色各异，为了协调三维立体景观的整体色彩，需要配置合适的植物种类，需要进行地表附属植物上色处理；S4：三维立体景观后期处理，根据城市布局，各方面意见等进行适当调整。基于上述方法，借助地面分辨率为0.5m的某三线城市卫星影像数据及其空间定位集参数，进行数字高程模型的构建与正射影像对的生成，生成的数字高程模型网格间距为12m，基于正射影像对，对影像上的标识建筑物进行三维坐标量测，形成精确的标识建筑物量测数据集，作为三维立体景观设计的数据参考集。以某三线城市某小区木质走廊三维立体景观设计为例，遵循上述方法，设计效果图如图4所示。从图4可以看出，三维立体景观设计效果较好，在视觉纹理性、真实感、色彩协调性等方面满足要求。
4三维立体景观生成软件设计
为了提高三维立体景观的设计效率，同时进一步实际验证上文所提方法的有效性和实用性，本文在vs2012环境下通过调用动态链接库文件（.dll文件，把立体正射影像对构建方法封装为动态链接库文件，供主界面调用）的形式开发了一款通用三维立体景观生成软件，该系统可以实现通用原始遥感图像的预处理与定位、数字高程模型的构建与正射影像对的生成、三维立体景观比照影像的生成与设计等功能，本文主要利用的是Windows7操作系统平台，采用的硬件设备CPU为英特尔酷睿i5，主频3.2GHz，系统运行内存为16GB，存储空间2TB，网络带宽18M独享。系统实际运行主界面如图5所示。
5结论
遥感图像技术范文8
【关键词】无人机遥感技术；测绘工程；测量
1无人机遥感技术
1.1无人机遥感技术的发展现状
无人机遥感技术，即无人驾驶飞机与遥感传感器相结合的技术，再通过应用通信技术和GPS定位技术，使获取资源、获得信息的过程变得简单、智能。无人机技术的不断发展，使无人驾驶飞机的应用越来越广泛。近年来，遥感技术不断发展，已经可以精确捕捉高分辨率的影像，快速获取地理信息。无人机测量技术主要指低空遥感技术，无人机遥感技术在应用中具有较高要求，必须与其他技术相结合，才能实现应用价值。无人机遥感技术的短板可以通过多种测绘手段进行弥补，进而不断扩大其应用范围，填补行业空白。
1.2无人机遥感技术的关键技术
1.2.1传感器技术
随着传感器技术成本的下降，将其与无人机平台一起使用成为可能，部分企业已经研发了系列测绘传感器，包括多光谱、高光谱和热像仪以及激光雷达。搭配热成像技术的无人机最常用的功能是用于救援行动。
1.2.2人工智能技术
伴随无人机测绘技术的发展，AI（Ar‐tificalIntelligence人工智能技术）可对飞行路线进行规划，并大大提高了数据处理与分析能力的智能化程度。AI可以简化无人机勘测和绘图工作，更便于行业的推广和使用。机器学习对图像识别有很高的借鉴使用意义，在无人机测绘领域，机器学习可用于智能识别和追踪目标，例如，无人机数码摄影测量和监测现场工作人员是否采取安全措施等。
1.2.3自动控制技术
目前，无人机通常由操作员现场手动控制，或者使用软件规划飞行，以完成单次或多次的飞行调查。在大规模测绘时，巨大的工作量带来超高的操作难度。无人机千机编队工作基本都采取差分辅助定位技术，但在实际的自由空间中，并不具备这样的条件。差分辅助定位技术的原理是通过GPS或北斗卫星信号，与已知真实基准站坐标进行对比，实现快速厘米级精度定位。操作员不是控制单个无人机，而是控制数个自主飞行的无人机，控制系统划分测绘范围，并进行实时飞行路径跟踪，无人机设备可根据其他设备的位置进行动态、自动纠正飞行路线。虽然存在一定困难，但随着无人机自动控制技术的发展，这种大规模测绘工作将变得简单、易行[1]。
1.2.4电池的体积和寿命
目前，市场上已经推出了便携式无人机，很多无人机硬件供应商都致力于制造体积更小、质量更轻的设备。除了便携性之外，在无人机使用问题上还有另外一个重要因素，那就是电池的使用寿命。体积越小、质量越轻，无人机可以持续飞行的时间越长；无人机单次飞行中绘制的区域大小与电池续航之间存在线性关系，因此，飞行时间成为使用无人机技术的最大制约因素。通常情况下，固定翼无人机可以在一次飞行中测量高达几平方千米的范围；小体积的旋转翼无人机，可以通过延长电池续航实现一些新应用，改善目前无人机测绘的服务现状。
1.3无人机遥感技术的优势
相较传统的测绘方法，无人机遥感技术的优势主要体现在无人机的测绘工作方面。无人机航拍测绘，可以得到清晰的测绘图像，并能放大测绘比例尺。同时，无人机测绘具有较高的实时性，在开展带状地形区地形测绘时，利用航拍无人机可以获得清晰、准确的带状区域地形图；在公路、铁路、水库、海岸线的地形测绘中，无人机遥感测绘也能较好地解决带状测绘工程中的难点问题[2]。国产测绘无人机的性价比高。当前，在我国的工程测绘施工中，大多使用国产无人机进行测绘作业。价格上，国产无人机具有较大优势。除了因为飞行操作不当造成的损坏事故外，在做好维修和保养工作的前提下，测绘无人机可以多次使用，且基本上不会出现损坏，而且无人机的维修和保养成本在整个工程测量成本中也相对较少。在某些地形较复杂、气候环境较恶劣的地区，采用测绘无人机进行测绘，可以有效降低危险地区的测绘风险。无人机测绘可以应用在沙漠、高原、荒漠、戈壁等人迹罕至的地方，并能产生良好效果。
2无人机遥感技术的应用场景
2.1无人机遥感技术在低空作业中的应用
低能见度、低云、高海拔、山区是无人机测量和绘图工作的主要范围，这使测量和绘图工作的内容要复杂、有难度。在低云量时，无人机进行测绘工作可与遥感技术相结合，共同完成航拍摄影任务，并且准确获取数据影像。应用遥感技术可以充分发挥无人机在测绘工程中的应用价值，可以保质保量完成绘图的要求。无人机遥感技术的价值除了体现在高难度的航拍测绘工作中，还体现在有效应对突发事件中。在原有无人机低空航测系统的基础上，可以进一步优化和创新无人机专用飞行检查系统和低空数码相机系统，并不断对软件进行修正，实现飞行、拍摄过程中更科学合理的地形覆盖。与此同时，不断提高稳定性能的机械变形技术，可以改善无人机低空航测系统中广角相机的自稳定性，该技术可以进一步促进无人机测量和测绘技术的发展。随着科技的发展，计算机软件自动控制无人机低空航测系统成为可能，可以获得精确度、清晰度、分辨率更高的数据，做到准确处理。
2.2无人机遥感技术在复杂地区中的应用
将无人机遥感技术应用于复杂地区的测绘工程，除了能够在短时间内获得高清晰度的航拍影像之外，还可以解决许多测量难题。在复杂区域的工程测绘中，无人机遥感技术结合地图技术，可针对性地记录高清图像信息，使工作人员可以借助无人机记录的图像信息，对获得的数据进行调查、分析。在对低空无人机空气成像系统进行测绘效果分析的基础上，借助系统处理后的测绘数据，进行社会资源管理和城市化规划设计。将无人机遥感技术应用于资源开发、城市发展等项目，可提高工程服务的技术水平和绘图效果，充分发挥低空无人机遥感系统数据准确、获取数据快捷、高效的优势[3]。
2.3无人机遥感技术在恶劣环境中的应用
使用无人机遥感技术，可以不受地理条件的限制，精确、全面地捕捉地形中的每一点。使用低地无人机绘图技术进行实际测量时，还可以提高绘图质量。无人机遥感技术融合远程感知技术，可获取无人机图像数据。无人机遥感技术在城市规划、测绘、自然资源开发等方面都有良好的应用前景。
3无人机遥感技术在测绘工程中的应用
3.1航拍影像数据的收集
合理应用无人机遥感技术的前提是协调好组成无人机遥感技术的各个模块之间的关系。在具体项目中，工作人员依据需要测量的区域范围，科学选取无人机遥感技术的相关模块，按照不同的测量精度进行合理运用。按照影像数据的不同使用需求，调整飞行器与平台的运行模式，对旋偏角与像幅进行整合，从而保证航拍影像数据的精确性。同时，对无人机遥感航拍的程序不断进行调整和优化，以提升影像数据的准确性为前提，应用多种航拍方式，以便获取精准资料[4]。
3.2航拍影像的测量和数据的自动获取
与传统测绘技术的信息收集相比，无人机遥感测绘技术改变了低密度信息、低使用效率的情况，可以按照不同需求合理、科学地将收集到的数据信息进行分析、处理，提高信息数据的使用效率。与此同时，无人机遥感技术还可以将无序的信息数据进行自动清除或重新排序，以保证数据的准确性以及连贯性。无人机在航拍时，可收集航线数据信息，并进行及时反馈，工作人员可准确判断障碍物，不断调整飞行航线，提升安全性，保证测量工作的进行。
3.3航拍影像数据的处理
在进行测量工作时，无人机遥感技术可以一边收集数据，一边处理数据，提升了测绘结果的准确性，使数据真实有效。目前，无人机遥感测绘技术在处理信息数据时，一般会运用数码影像排列的方法，这就要求必须调整好无人机测量的角度，以免造成航拍影像堆叠、测绘数据图像扭曲变形的问题。基于此，在实际工作中，工作人员会在无人机的上方安装数码相机，通过相机的变焦镜头，从不同测量角度进行影像的拍摄，便于后续数据的处理。
4结语
